《金融大数据分析》-课件 第 12 章 主成分分析.pptx

第12章主成分分析

学习目标

本章的学习目标为下：

1.熟悉主成分分析的应用范围

2.理解主成分分析法的算法

3.熟悉使用程序实现主成分分析

案例：投资策略

预测股票回报是金融学学术界以及业界都非常关心的问题。在量化投资领域，研究

人员发现了大量的投资策略。有论文总结出上百种不同的股票投资的信号。但是这

些许多信号可能包含着类似的信息。当我们预测股票回报时，我们可以将所有的变

量都作为模型特征。但是这种方法会有许多问题。第一，大量的特征可能会降低模

型训练速度。第二，当我们模型中大量特征有很高的相关性时，可能会导致模型的

表现不稳定。

在这一章中，我们将介绍一种有助于解决以上问题的无监督学习的方法：主成分分

析。

主成分分析方法

方法简介

主成分分析（PrincipleComponentAnalysis）能够从多个变量中

提取出共同的信息。我们可以将大量的变量转换为数量更少的变量，

同时又能保留这些变量中的大部分信息（我们将这一过程称为降

维）。因此，我们可以通过主成分分析达到减少模型中特征数量，

从而能提高模型的训练速度的效果。同时，主成分分析降低模型

特征的相关性。

方法简介（案例）

方法简介（案例）

方法简介（案例）

方法简介（案例）

方法简介

如何找到主成分

如何找到主成分

如何找到主成分

如何找到主成分

如何找到主成分

如何找到主成分

如何找到主成分

拓展：偏最小二乘回归

在使用主成分分析时，仅仅考虑的是特征变量间的关系，而并未考

虑特征变量与目标变量之间的关系。如果，我们想在降低特征维度

的的同时达到与目标变量的高相关度，那么，可以考虑使用偏最小

二乘回归方法（PartialLeastSquare或PLS）。也就是说，这

种方法抽取的低维度变量需要同时与特征变量与目标变量有较高的

相关性。

偏最小二乘回归算法

偏最小二乘回归算法

主成分分析程序

我们用每股收益数据做为例子来探索主成分分析的使用场景。首先，

我们对该数据的三个特征进行主成分分析。接下来，使用主成分分

析对数据进行降维。最后，我们分别用降维前以及降维后的数据来

预测未来每股收益。

导入库

使用pandas存储数据

导入sklearn.preprocessing库中的StandardScaler类，用于数据标准化

导入sklearn.linear_model库中的LinearRegression类，用于线性回归模型分析

导入sklearn.metrics库中的mean_squared_error函数，用于计算均方误差

导入sklearn.decomposition库中的PCA类，用于主成分分析

进行数据读取及处理

读取名为`ols_training.csv’的CSV文件中的数据，并将其存储在train-ing_data变

量中

读取名为`ols_testing.csv’的CSV文件中的数据，并将其存储在testing_data变量中

打印训练数据集和测试数据集的前五行，用于查看数据格式和内容

进行数据读取及处理

从数据中删除不需要的特征列

在训练集中删除`eps_basic’列，其余变量作为特征变量，保存在X_train中，并

将’eps_basic’列作为目标变量，保存在y_train中

在测试集中删除`eps_basic’列，其余变量作为特征变量，保存在X_test中，并

将’eps_basic’列作为目标变量，保存在y_test中

进行数据读取及处理

创建一个StandardScaler对象，用于对数据进行标准化处理

使用fit_transfrom方法计算数据集X_train的平均值和标准偏差并对数据进行标准化处

理，之后将标准化后的结果储存在X_train_scaled中

使用transform方法对X_test中的特征数据进行标准化处理，并使用与X_train同样的

标准化标准，即X_train的均值和标准差，之后将标准化后的结果储存在X_test_scaled

中

创建一个PCA对象，设置主成分的数量为3

进行数据读取及处理

使用fit方法对X_train_scaled特征矩阵进行主成分分析，返回主成分分析后的特征矩阵

X_train_pca

从PCA对象中获取前三个主成分对应的方差比率，并将其保存在variance_explained中，

用于可视化展示每个主成分解释的方差比例

进行数据读取及处理

创建一个新的窗口，准备进行可视化展示

进行数据读取及处理

进行数据读取及处理

进行数据读取及处理

使用fit方法对X_test_scaled进行转换，得到降维后的测试数据